CN111737399A - 扩展问答集的方法、装置、电子设备和可读存储介质 - Google Patents

Abstract

本申请公开了一种扩展问答集的方法、装置、电子设备和可读存储介质，涉及自然语言处理技术领域。本申请在扩展问答集时所采用的实现方案为：获取问答集，所述问答集中包含原始问题及其对应的答案；根据语义信息对各原始问题进行泛化，得到对应各原始问题的扩展问题；根据原始问题以及扩展问题中的关键词及其对应的权重，构建所述问答集中问题的索引。本申请能够提升问答集的扩展准确性，并提升问答集中所包含信息的丰富性。

Description

扩展问答集的方法、装置、电子设备和可读存储介质

技术领域

本申请涉及数据处理技术领域，尤其涉及自然语言处理技术领域中的一种扩展问答集的方法、装置、电子设备和可读存储介质。

背景技术

在问答系统中，问答系统构建人员会配置包含问题以及答案的问答集。当用户向问答系统输入一个待查询问题时，问答系统根据问答集中问题与用户输入问题之间的匹配程度来确定最相似的问题，进而向用户返回该问题对应的答案。现有技术中通常是由问答系统构建人员来人工对问答集中包含的问题进行扩展，但受限于构建人员的表述习惯，无法获取具有更加多样性表述的问题，导致问答集的扩展效果较差。

发明内容

本申请为解决技术问题所采用的技术方案是提供一种扩展问答集的方法，包括：获取问答集，所述问答集中包含原始问题及其对应的答案；根据语义信息对各原始问题进行泛化，得到对应各原始问题的扩展问题；根据原始问题以及扩展问题中的关键词及其对应的权重，构建所述问答集中问题的索引。

本申请为解决技术问题所采用的技术方案是提供一种扩展问答集的装置，包括：获取单元，用于获取问答集，所述问答集中包含原始问题及其对应的答案；泛化单元，用于根据语义信息对各原始问题进行泛化，得到对应各原始问题的扩展问题；构建单元，用于根据原始问题以及扩展问题中的关键词及其对应的权重，构建所述问答集中问题的索引。

上述申请中的一个实施例具有如下优点或有益效果：本申请能够提升问答集的扩展准确性，并提升问答集中所包含信息的丰富性。因为采用了结合增加问答集中问题的数量以及添加问答集中问题的索引这两种方式来完成问答集扩展的技术手段，所以克服了现有技术中由人工来扩展问答集所导致的成本较高、扩展效果较差的技术问题，实现了提升问答集的扩展准确性以及所包含信息的丰富性的技术效果。

上述可选方式所具有的其他效果将在下文中结合具体实施例加以说明。

附图说明

附图用于更好地理解本方案，不构成对本申请的限定。其中：

图1是根据本申请第一实施例的示意图；

图2是根据本申请第二实施例的示意图；

图3是用来实现本申请实施例的扩展问答集的方法的电子设备的框图。

具体实施方式

以下结合附图对本申请的示范性实施例做出说明，其中包括本申请实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本申请的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。

图1是根据本申请第一实施例的示意图。如图1中所示，本实施例的扩展问答集的方法，具体可以包括如下步骤：

S101、获取问答集，所述问答集中包含原始问题及其对应的答案；

S102、根据语义信息对各原始问题进行泛化，得到对应各原始问题的扩展问题；

S103、根据原始问题以及扩展问题中的关键词及其对应的权重，构建所述问答集中问题的索引。

本实施例的扩展问答集的方法，首先对问答集中的原始问题进行泛化得到扩展问题，然后再构建问答集中全部问题的索引，一方面能够增加问答集中问题的数量，提升了问答集的扩展准确性，另一方面能够在问答集中添加各问题的索引，提升了问答集中所包含信息的丰富性，能够实现对问答集中的问题进行快速定位。

本实施例中的问答集应用于问答系统，用于问答系统在问答集中查询到与用户输入问题匹配的问题之后，向用户返回与查询到的问题对应的答案。其中，本实施例中的问答系统可以为FAQ(Frequently Asked Questions，常见问题解答)问答系统。

本实施例所获取的问答集中包含有“问题-答案”对，即原始问题以及各原始问题对应的答案。可以理解的是，本实施例的问答集中还可以包含原始问题的标签信息，该标签信息用于表示原始问题所属的领域，例如问题属于金融领域、科技领域或者常识领域等。

本实施例在获取问答集之后，根据语义信息对问答集中所包含的各原始问题进行泛化，从而得到对应各原始问题的扩展问题，所得到的扩展问题为与各原始问题具有相似语义但具有不同表述的问题。

也就是说，本实施例在对问答集进行扩展时，增加了问答集中所包含问题的数量，使得问答集中的问题具有多样的表述方式，避免了由于问题数量少而无法得到与用户输入问题对应的答案，能够更加准确地向用户返回答案，从而提升了问答系统的召回率。

本实施例在根据语义信息对各原始问题进行泛化之前，还可以包含以下内容：获取问答集的属性信息，所获取的属性信息包括问答集中问题的数量信息、问答集所属的领域信息等；确定所获取的属性信息是否满足预设条件，若是，则执行根据语义信息对各原始问题进行泛化的操作，否则不执行。其中，本实施例在确定所获取的属性信息是否满足预设条件时，可以确定问答集中问题的数量是否小于预设数量，还可以确定问答集所属的领域是否为预设领域等。

因此，本实施例能够仅对特定的问答集来进行问题数量的扩展，对于数据规模较大的问答集或者更新频率较低领域的问答集则无需进行扩展，从而避免了计算资源的浪费，提升了扩展问答集的效率。

具体地，本实施例在根据语义信息对各原始问题进行泛化，得到对应各原始问题的扩展问题时，可以采用以下方式：确定各原始问题中的关键词；根据关键词的语义信息对各原始问题进行泛化，将泛化结果作为对应各原始问题的扩展问题。也就是说，本实施例利用自然语言处理的方式来获取与原始问题具有相似语义但表述不同的扩展问题，降低了问题扩展时所需的人力成本，并提升了扩展问题表述的多样性。

由于本实施例在获取扩展问题时，仅需要确保扩展问题与原始问题具有相似语义，因此本实施例可以采用语义替换或者语义扩展的方式来进行各原始问题的泛化，例如使用与关键词具有相似语义的词语来替换原始问题中的关键词，或者根据关键词的语义对原始问题进行扩展等。

可以理解的是，本实施例还可以通过预先定义的模板或者预先训练得到的神经网络模型，根据各原始问题的语义信息来泛化得到相应的扩展问题。本实施对泛化原始问题得到扩展问题的方式不进行限定。

另外，本实施例在得到对应各原始问题的扩展问题之后，还可以建立扩展问题与原始问题之间的对应关系，使得扩展问题能够与原始问题的答案对应，确保在匹配到扩展问题时也能够准确地向用户返回答案。

本实施例在获取了对应各原始问题的扩展问题之后，根据原始问题以及扩展问题中的关键词及其对应的权重，构建问答集中问题的索引。其中，本实施例所构建的索引用于从问答集中定位问题，从而提升定位速度。

由于问答集中的原始问题并不会发生改变，因此本实施例可以在对原始问题进行泛化的同时，来构建原始问题的索引，从而提高问答集索引的构建速度，减少由于进行问题泛化所带来的额外耗时。

因为问答集中已存在一定数量的原始问题，为了避免所得到的扩展问题与原始问题之间重复，本实施例在构建问答集中问题的索引之前，还可以包含以下内容：对各原始问题与各扩展问题进行比较之后，去除与原始问题相同的扩展问题。也就是说，本实施例能够确保问答集中每个问题的唯一性，从而提升所构建问题索引的准确性。

本实施例在根据问题中的关键词及其对应的权重构建索引时，首先确定问题中所包含的关键词，然后分别赋予各关键词的权重，最后将关键词以及各关键词的权重，作为该问题在问答集中的索引。

举例来说，若问题为“北京今天天气怎么样”，若确定该问题中的关键词分别为“北京”、“今天”以及“天气”，若“北京”的权重为0.3、“今天”的权重为0.4、“天气”的权重为0.3，则问答集中问题“北京今天天气怎么样”的索引为(北京：0.3，今天：0.4，天气：0.3)。

可以理解的是，本实施例可以通过人工来确定问题中的关键词及其权重，也可以通过预先训练得到的神经网络模型来确定问题中的关键词及其权重。本实施例对确定问题中的关键词及其权重的方式不进行限定。

在现有的问答集中，通常仅包含问题、答案以及两者之间的对应关系，而并不包含问题的索引。因此，现有技术在从问答集中查询与用户输入问题对应的问题时，通常是计算用户输入问题与问答集中所有问题之间的匹配程度来确定最相似的问题，计算过程比较长，因此查询速度较慢。

而本实施例在从问答集中查询问题时，仅需要将索引和用户输入问题的关键词及其权重进行比较，便能够从问答集中快速地定位到与用户输入问题相匹配的问题，计算过程相对较短，从而提升了问答系统的召回速度。

举例来说，若问答集包含问题1、问题2、问题3，若问题1的索引为(北京：0.4，天气：0.6)，问题2的索引为(北京：0.3，今天：0.4，天气：0.3)，问题3的索引为(上海：0.4，今天：0.3，天气：0.3)，若用户输入问题中的关键词及其权重为(北京：0.4，天气：0.6)，则问答集中与用户输入问题匹配的是问题1，进而将与问题1对应的答案返回用户。

采用本实施例提供的上述方案，结合增加问答集中问题的数量以及添加问答集中问题的索引这两种方式来完成问答集的扩展，因此在采用扩展后的问答集进行答案的召回时，能够提升召回准确性以及召回速度。

图2是根据本申请第二实施例的示意图。如图2中所示，本实施例的扩展问答集的装置，包括：

获取单元201、用于获取问答集，所述问答集中包含原始问题及其对应的答案；

泛化单元202、用于根据语义信息对各原始问题进行泛化，得到对应各原始问题的扩展问题；

构建单元203、用于根据原始问题以及扩展问题中的关键词及其对应的权重，构建所述问答集中问题的索引。

本实施例中获取单元201所获取的问答集中包含有“问题-答案”对，即原始问题以及各原始问题对应的答案。可以理解的是，获取单元201所获取的问答集中还可以包含原始问题的标签信息，该标签信息用于表示原始问题所属的领域，例如问题属于金融领域、科技领域或者常识领域等。

本实施例在由获取单元201获取问答集之后，由泛化单元202根据语义信息对问答集中所包含的各原始问题进行泛化，从而得到对应各原始问题的扩展问题，所得到的扩展问题为与各原始问题具有相似语义但具有不同表述的问题。

本实施例中的泛化单元202在根据语义信息对各原始问题进行泛化之前，还可以包含以下内容：获取问答集的属性信息；确定所获取的属性信息是否满足预设条件，若是，则执行根据语义信息对各原始问题进行泛化的操作，否则不执行。其中，泛化单元202在确定所获取的属性信息是否满足预设条件时，可以确定问答集中问题的数量是否小于预设数量，还可以确定问答集所属的领域是否为预设领域等。

具体地，本实施例中的泛化单元202在根据语义信息对各原始问题进行泛化，得到对应各原始问题的扩展问题时，可以采用以下方式：确定各原始问题中的关键词；根据关键词的语义信息对各原始问题进行泛化，将泛化结果作为对应各原始问题的扩展问题。也

由于在获取扩展问题时，仅需要确保扩展问题与原始问题具有相似语义，因此泛化单元202可以采用语义替换或者语义扩展的方式来进行各原始问题的泛化，例如使用与关键词具有相似语义的词语来替换原始问题中的关键词，或者根据关键词的语义对原始问题进行扩展等。

可以理解的是，泛化单元202还可以通过预先定义的模板或者预先训练得到的神经网络模型，根据各原始问题的语义信息来泛化得到相应的扩展问题。本实施对泛化原始问题得到扩展问题的方式不进行限定。

另外，本实施例中的泛化单元202在得到对应各原始问题的扩展问题之后，还可以建立扩展问题与原始问题之间的对应关系，使得扩展问题能够与原始问题的答案对应，确保在匹配到扩展问题时也能够准确地向用户返回答案。

本实施例在由泛化单元202在获取了对应各原始问题的扩展问题之后，由构建单元203根据原始问题以及扩展问题中的关键词及其对应的权重，构建问答集中问题的索引。其中，构建单元203所构建的索引用于从问答集中定位问题，从而提升定位速度。

由于问答集中的原始问题并不会发生改变，因此构建单元203可以在泛化单元202对原始问题进行泛化的同时，来构建原始问题的索引，从而提高问答集索引的构建速度，减少由于进行问题泛化所带来的额外耗时。

因为问答集中已存在一定数量的原始问题，为了避免所得到的扩展问题与原始问题之间重复，构建单元203在构建问答集中问题的索引之前，还可以包含以下内容：对各原始问题与各扩展问题进行比较之后，去除与原始问题相同的扩展问题。

构建单元203在根据问题中的关键词及其对应的权重构建索引时，首先确定问题中所包含的关键词，然后分别赋予各关键词的权重，最后将关键词以及各关键词的权重，作为该问题在问答集中的索引。

可以理解的是，构建单元203可以通过人工来确定问题中的关键词及其权重，也可以通过预先训练得到的神经网络模型来确定问题中的关键词及其权重。本实施例对确定问题中的关键词及其权重的方式不进行限定。

根据本申请的实施例，本申请还提供了一种电子设备和一种计算机可读存储介质。

如图3所示，是根据本申请实施例的扩展问答集的方法的电子设备的框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本申请的实现。

如图3所示，该电子设备包括：一个或多个处理器301、存储器302，以及用于连接各部件的接口，包括高速接口和低速接口。各个部件利用不同的总线互相连接，并且可以被安装在公共主板上或者根据需要以其它方式安装。处理器可以对在电子设备内执行的指令进行处理，包括存储在存储器中或者存储器上以在外部输入/输出装置(诸如，耦合至接口的显示设备)上显示GUI的图形信息的指令。在其它实施方式中，若需要，可以将多个处理器和/或多条总线与多个存储器和多个存储器一起使用。同样，可以连接多个电子设备，各个设备提供部分必要的操作(例如，作为服务器阵列、一组刀片式服务器、或者多处理器系统)。图3中以一个处理器301为例。

存储器302即为本申请所提供的非瞬时计算机可读存储介质。其中，所述存储器存储有可由至少一个处理器执行的指令，以使所述至少一个处理器执行本申请所提供的扩展问答集的方法。本申请的非瞬时计算机可读存储介质存储计算机指令，该计算机指令用于使计算机执行本申请所提供的扩展问答集的方法。

存储器302作为一种非瞬时计算机可读存储介质，可用于存储非瞬时软件程序、非瞬时计算机可执行程序以及模块，如本申请实施例中的扩展问答集的方法对应的程序指令/模块(例如，附图2所示的获取单元201、泛化单元202以及构建单元203)。处理器301通过运行存储在存储器302中的非瞬时软件程序、指令以及模块，从而执行服务器的各种功能应用以及数据处理，即实现上述方法实施例中的扩展问答集的方法。

存储器302可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储根据的电子设备的使用所创建的数据等。此外，存储器302可以包括高速随机存取存储器，还可以包括非瞬时存储器，例如至少一个磁盘存储器件、闪存器件、或其他非瞬时固态存储器件。在一些实施例中，存储器302可选包括相对于处理器301远程设置的存储器，这些远程存储器可以通过网络连接至扩展问答集的方法的电子设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。

扩展问答集的方法的电子设备还可以包括：输入装置303和输出装置304。处理器301、存储器302、输入装置303和输出装置304可以通过总线或者其他方式连接，图3中以通过总线连接为例。

输入装置303可接收输入的数字或字符信息，以及产生与扩展问答集的方法的电子设备的用户设置以及功能控制有关的键信号输入，例如触摸屏、小键盘、鼠标、轨迹板、触摸板、指示杆、一个或者多个鼠标按钮、轨迹球、操纵杆等输入装置。输出装置304可以包括显示设备、辅助照明装置(例如，LED)和触觉反馈装置(例如，振动电机)等。该显示设备可以包括但不限于，液晶显示器(LCD)、发光二极管(LED)显示器和等离子体显示器。在一些实施方式中，显示设备可以是触摸屏。

此处描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、专用ASIC(专用集成电路)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。

这些计算程序(也称作程序、软件、软件应用、或者代码)包括可编程处理器的机器指令，并且可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。如本文使用的，术语“机器可读介质”和“计算机可读介质”指的是用于将机器指令和/或数据提供给可编程处理器的任何计算机程序产品、设备、和/或装置(例如，磁盘、光盘、存储器、可编程逻辑装置(PLD))，包括，接收作为机器可读信号的机器指令的机器可读介质。术语“机器可读信号”指的是用于将机器指令和/或数据提供给可编程处理器的任何信号。

为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。

可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)和互联网。

计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。

根据本申请实施例的技术方案，通过结合增加问答集中问题的数量以及添加问答集中问题的索引这两种方式来完成问答集的扩展，一方面能够增加问答集中问题的数量，提升了问答集的扩展准确性，另一方面能够在问答集中添加各问题的索引，提升了问答集中所包含信息的丰富性，能够实现对问答集中的问题进行快速定位。

应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本申请中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本申请公开的技术方案所期望的结果，本文在此不进行限制。

上述具体实施方式，并不构成对本申请保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本申请的精神和原则之内所作的修改、等同替换和改进等，均应包含在本申请保护范围之内。

Claims (10)

1.一种扩展问答集的方法，包括：

获取问答集，所述问答集中包含原始问题及其对应的答案；

根据语义信息对各原始问题进行泛化，得到对应各原始问题的扩展问题；

根据原始问题以及扩展问题中的关键词及其对应的权重，构建所述问答集中问题的索引。

2.根据权利要求1所述的方法，还包括：

在根据语义信息对各原始问题进行泛化之前，

获取所述问答集的属性信息；

确定所述属性信息是否满足预设条件，若是，则执行所述根据语义信息对各原始问题进行泛化的操作，否则不执行。

3.根据权利要求1所述的方法，其中，所述根据语义信息对各原始问题进行泛化，得到对应各原始问题的扩展问题包括：

确定各原始问题中的关键词；

根据所述关键词的语义信息对各原始问题进行泛化，将泛化结果作为对应各原始问题的扩展问题。

4.根据权利要求1所述的方法，还包括：

在根据原始问题以及扩展问题中的关键词及其对应的权重，构建所述问答集中问题的索引之前，

对各原始问题与各扩展问题进行比较之后，去除与原始问题相同的扩展问题。

5.一种扩展问答集的装置，包括：

获取单元，用于获取问答集，所述问答集中包含原始问题及其对应的答案；

泛化单元，用于根据语义信息对各原始问题进行泛化，得到对应各原始问题的扩展问题；

构建单元，用于根据原始问题以及扩展问题中的关键词及其对应的权重，构建所述问答集中问题的索引。

6.根据权利要求5所述的装置，还包括：

所述泛化单元在根据语义信息对各原始问题进行泛化之前，

获取所述问答集的属性信息；

确定所述属性信息是否满足预设条件，若是，则执行所述根据语义信息对各原始问题进行泛化的操作，否则不执行。

7.根据权利要求5所述的装置，其中，所述泛化单元在根据语义信息对各原始问题进行泛化，得到对应各原始问题的扩展问题时，具体执行：

确定各原始问题中的关键词；

根据所述关键词的语义信息对各原始问题进行泛化，将泛化结果作为对应各原始问题的扩展问题。

8.根据权利要求5所述的装置，还包括：

所述构建单元在根据原始问题以及扩展问题中的关键词及其对应的权重，构建所述问答集中问题的索引之前，

对各原始问题与各扩展问题进行比较之后，去除与原始问题相同的扩展问题。

9.一种电子设备，其特征在于，包括：

至少一个处理器；以及

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-4中任一项所述的方法。

10.一种存储有计算机指令的非瞬时计算机可读存储介质，其特征在于，所述计算机指令用于使所述计算机执行权利要求1-4中任一项所述的方法。

Images